甲醇汽油因其辛烷值高、 成本低等优势成为新型化石燃料替代物， 其甲醇含量的精确检测是决定其品质的重要环节， 甲醇汽油组分的精确定量检测与分析对于缓解我国传统石油资源短缺但需求量增多的现状具有重大的现实意义。 甲醇汽油中甲醇检测的常规方法如酒醇仪测定法、 速测盒测定法等， 操作复杂， 准确定性低。 近红外光谱分析具有测量速度快、 灵敏度高、 可连续测量等诸多优点， 在石油化工领域定性、 定量分析中具有巨大应用潜力。 为研究甲醇汽油近红外光谱无损定量检测方法， 配制了0.5%~30%组分的甲醇汽油标准样品， 设计了甲醇汽油近红外光谱数据采集系统并采集60个组分的甲醇汽油近红外光谱数据; 利用移动平均平滑法、 S-G卷积平滑法(Savitzky-Golay)和多元散射校正（MSC）对甲醇汽油近红外光谱数据进行预处理分析， 研究了BP人工神经网络(ANN)和主成分回归(PCR)模型的决定系数和均方根误差， 对两种算法的结果和预测效果进行对比。 结果显示: 各模型的均方根误差均小于1%， SG平滑-主成分回归预测模型拟合度最好， 其决定系数为0.998 98; 基于SG卷积平滑算法和神经网络算法建立的模型预测值与真值偏差最小， 其均方根误差RMSEP为0.322 84%。 研究表明近红外光谱检测分析技术检测甲醇汽油中的甲醇含量应用中SG平滑-神经网络预测模型性能较好， 满足应用需求， 因而为甲醇汽油组份实际检测应用提供了科学依据， 为有效开发与利用甲醇汽油提供了技术支持。

种子活性受到存储条件的影响很大。 收集了真实情况下受到不同存储条件影响的种子, 通过发芽实验验证了其成活率存在差异。 再从中选择适量的种子样本, 采集其单颗种子的可见-近红外反射光谱, 运用不同的光谱预处理技术, 结合不同的机器学习建模手段, 以区分不同成活率的种子。 比较了不同的光谱预处理方法, 比如标准反射光谱校正、 多元散射校正等。 从识别准确度的角度, 认为标准反射光谱校正的方法, 能够很大程度上提升不同存活率种子的光谱差异性, 从而经过机器学习判断达到更高的识别准确度。 同时比较了支持向量机、 K邻近和距离判别分析等机器监督学习建模方法, 发现利用标准反射光谱校正的方法结合距离判别分析, 能够对种子样本实现完全准确的判定。 更进一步, 为了满足实际运用中快速识别的要求, 将高分辨率的光谱数据压缩成为低分辨率多通道带通光谱数据, 这样可以大大降低的光谱数据长度, 节约各种机器学习器在训练和判断中所用的时间。 使用简化过后的多通道带通光谱数据判定种子存活率, 其识别准确度仍然接近90%。 充分说明了, 利用多通道宽带光谱数据, 并选择合适的机器学习建模方式, 足以满足实际选种产业的一般性需求, 有潜力作为未来粮种成活率快速鉴别的技术手段。 还采用了多种带通宽度以简化光谱, 分析比较不同带通宽度对识别精度的影响。 总体来说由于带宽增大, 数据量减少, 识别速度更快, 但是识别精度降低。 从10～50 nm改变光谱带宽, 标准反射校正后的简化光谱的识别精度从87.50%下降到58.75%。 在实际运用中, 需要权衡识别速率和预期识别精度, 合理的选择带宽。 验证了根据简化后的可见近红外反射光谱, 能够较快速且准确的识别水稻种子存活率, 为以后的基于带通滤波片的快速种子存活率识别奠定了基础。

拼接异常是光谱在红蓝两端拼接区域表现出的光谱连续性差的一种现象。 在LAMOST的光谱处理中, 仪器的稳定性、 观测条件以及获得的响应函数等问题都是造成拼接异常的原因。 光谱拼接是否正常对于光谱发布等后续工作的质量有重要影响。 提出一种拼接异常光谱的自动检测方法, 有效地提高了工作效率。 该研究可以为LAMOST数据提供一个自动的标记, 来评价拼接质量, 也可以为用户提供一个使用数据时的选择。 该方法首先将待测光谱进行流量归一化、 去除钠线等预处理, 并将其分为红蓝两端； 然后对红蓝两端分别进行拟合； 最后对两条拟合曲线, 选取一系列等波长间隔的点, 计算在这些点处的流量差值, 得到所有流量差值的均值, 标准差, 并且计算两条曲线积分面积的差值； 基于上述统计量, 提出了一个判断光谱是否异常及其异常程度的评价函数。 大量的实验证明, 该方法具有良好的拼接异常光谱检测效果。

对傅里叶变换中红外光谱数据的平滑预处理中, 通常采用Savitzky-Golay滤波器的方法进行光谱数据的平滑预处理, 然而Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的合理选则始终是一个难题, 并无统一的选择依据, 通常在一定数值范围内, 采用多组数据进行遍历尝试, 最终选择一组相对较优的数据作为Savitzky-Golay滤波器的多项式拟合阶次和窗宽参数。 文中探索了Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的优化选取这一问题, 并对其主要频率指标参数与多项式拟合阶次和窗宽等参数进行了定性定量分析, 得出了截至频率、 阻带起始点频率、 第一旁瓣峰值频率及第一旁瓣峰值幅度与窗宽和阶次之间具体的计算方程表达式。 随后, 根据采集的中红外气体组分的光谱数据特征, 依据上述计算方程式, 优化计算选取多项式拟合阶次和窗宽分别为8和11时, 其Savitzky-Golay滤波器的中红外气体组分的光谱数据平滑效果最优。 最后通过实际采集的0.1%, 0.2%, 0.5%, 1%, 2%, 5%浓度的CH4光谱数据进行平滑预处理, 在次吸收峰区域, 原始光谱的折算吸光率相对最大误差和最小误差分别为17.230 5%和0.243 0%, 平滑处理后的光谱的折算吸光率相对最大误差和最小误差分别为0.088 0%和0.020 6%。 可见经过Savitzky-Golay滤波器进行所探索的光谱数据预处理之后其相对误差基本稳定, 并且相对较低, 为后期光谱数据的准确定性和定量分析奠定了基础。

以绍兴酒为研究对象, 利用近红外光谱分析技术和化学计量学分析方法, 开展了光程变化对基于近红外光谱的黄酒品质检测影响的研究, 建立了黄酒酒精度、 糖度和pH值３个品质指标的分析模型。 通过比较0.5, 1, 1.5, 2, 2.5和3 mm 6个不同光程, 并比较原始光谱、 一阶微分光谱和二阶微分光谱三种光谱预处理方式对模型性能的影响, 确定了这３个指标的最佳检测方式。 黄酒酒精度和pH的最佳检测方式为： 光程2 mm, 采用偏最小二乘回归结合原始光谱； 糖度的最佳检测方式为光程1 mm, 采用偏最小二乘回归结合原始光谱。 这一研究表明光程变化对基于近红外光谱的黄酒品质检测有影响, 选择合适的光程能够有效地提高检测精度。